文献类型：期刊文章

作　　者：王静[1,2] 彭红军[3,2] 杨勇哲[4] 张越[4] 孔令茵[4] 吴凯[4,2,5]

WANG Jing;PENG Hongjun;YANG Yongzhe;ZHANG Yue;KONG Lingyin;WU Kai(Department of Biomedical Engineering,School of Materials Science and Engineering,SCUT,Guangzhou 510006,China)

机构地区：[1]中山大学新华学院生物医学工程学院,广州510520 [2]广东省精神疾病转化医学工程技术研究中心 [3]广州医科大学附属脑科医院(广州市惠爱医院)临床心理科 [4]华南理工大学材料科学与工程学院生物医学工程系 [5]广东省老年痴呆诊断与康复工程技术研究中心

出　　处：《中国神经精神疾病杂志》

基　　金：国家自然科学基金(编号:31400845,31771074);广东省前沿与关键技术创新专项资金(重大科技专项)(编号:2016B010108003);广东省公益研究与能力建设专项资金(编号:2016A020216004);广东省协同创新与平台环境建设专项资金(编号:2017A040405059);广州市产学研协同创新重大专项(编号:201604020170,201704020168,201704020113,201807010064);广东省教育厅青年创新人才类项目(编号:2017KQNCX259)。

年　　份：2018

卷　　号：44

期　　号：10

起止页码：583-588

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的基于多模态磁共振影像,对抑郁障碍患者和正常对照进行自动分类。方法采集40例抑郁障碍患者和40名正常对照的结构磁共振和静息态功能磁共振图像,基于自动解剖标签模板提取90个感兴趣区域的灰质体积、局部一致性、低频振荡振幅和度中心度作为特征进行输入,用基于递归特征消除的支持向量机对抑郁障碍患者和正常对照进行自动分类研究。结果局部一致性和低频振荡振幅的组合为最佳分类特征,分类准确率达到87.50%,并且分类权重最大的脑区主要位于额叶和舌回。结论基于多模态磁共振影像的自动分类能从个体水平上有效区分抑郁障碍患者和正常对照,额叶和舌回的特征用于抑郁障碍的诊断敏感性较高。

关 键 词：抑郁障碍 多模态磁共振影像  支持向量机 递归特征消除  

分 类 号：R749.4]